Van data science csapatod, ismerj meg minket

Nagy-Rácz István

Nagy-Rácz István

ügyvezető

Iparágtól függetlenül ugyanaz a munka: megérteni, mi a döntéshozó valódi kérdése, és adatokkal válaszolni rá. A többi technika.

Gáspár Csaba

Gáspár Csaba

ügyvezető

Data science-t 2006-ban kezdtem tanítani, amikor még adatbányászatnak hívtuk. Azóta ugyanaz a kérdés érdekel: mire jutunk, ha a csavaros észjárást összekötjük az adatokkal.

Földi Dóra

Földi Dóra

data scientist

Gáll Boldizsár

Gáll Boldizsár

irodavezető

Hidi Ágnes

Hidi Ágnes

üzleti elemző

Huszti Dorottya

Huszti Dorottya

data scientist

Jónás Dániel

Jónás Dániel

data scientist

Lestyán Ádám

Lestyán Ádám

szoftverfejlesztő

Nagy Péter

Nagy Péter

vezető szoftverfejlesztő

Riesz Péter

Riesz Péter

szoftverfejlesztő

Törő Gábor

Törő Gábor

üzletfejlesztő

Tremmel Márton

Tremmel Márton

szoftverfejlesztő

Varga Máté

Varga Máté

szoftverfejlesztő

Vargha Ferenc

Vargha Ferenc

szoftverfejlesztő

Life at Dmlab office
Life at Dmlab office
Life at Dmlab office
Dmlab Unicorn
Dmlab notebooks
Dmlab shirts on a box

„Miért épp a Dmlabbal dolgozzak?”

A Dmlab nem a legnagyobb, legrégibb vagy legismertebb data science cég – mégis sok megbízó és kolléga egyenesen minket keresett. Megkérdeztük, hogy miért, és az alábbi erősségeinket emelték ki.

1

A szakma hőskora óta halmozódó data science tapasztalat

2001-ben egy kézzel írt lap hirdette a BME aulájában, hogy adatbányászat szeminárium indul. 10 tanár jelentkezett (főleg matematikusok) – és egyik alapítónk, Gáspár Csaba.

Másik alapítónk, Nagy-Rácz István a banki informatika posztgraduális képzése (és a későbbi PhD-je) alatt már pénzügyi data science projekteken dolgozott. Konzulense (Csaba) értékelte a piaci tapasztalatot, a szimpátiából barátság, a barátságból a Dmlab született.

Minden kolléga, projekt és kihívás hozzátett a Dmlab data science tudáskincséhez – amely egy megbízási vagy munkaszerződéssel neked is elérhető.

Valamelyik focin az egyik csapattársam megkérdezte: van egy [data science] meetup, nincs kedved eljönni?
Vargha Ferencszoftverfejlesztő
Úgy kerültem a Dmlabhoz, hogy Csaba volt a konzulensem még a mesteren.
Földi Dóradata scientist
Megkérdeztem a témavezetőmet, Csabát, hogy tudna-e ajánlani céget, ahol adatos, AI-os dolgokkal foglalkoznak. Ő ajánlotta többek között a saját cégét, a Dmlabot.
Tremmel Mártonszoftverfejlesztő

Ha érdekel a Dmlab-sztori, hallgasd meg ezt a podcastet:

2

„Out-of-the-industry” gondolkodásmódot és kreativitást viszünk a projektekbe

Szoktunk és szeretünk együtt dolgozni vállalatok belsős data science csapataival. Nemcsak rutint és kapacitást vesznek tőlünk – hanem rálátást is.

Az éles piaci versenyben dolgozó cégek ma már nem engedhetik meg, hogy „domain által homályosan” lássanak: használniuk kell a legjobb algoritmusokat és modelleket, jöjjenek azok bárhonnan.

Képesek vagyunk beleszeretni akár egy vaskohóba is.
Hidi Ágnesüzleti elemző
3

Nem tanácsot adunk, hanem hozzáadott értéket termelünk

Az egyik termékünk fejlesztése során felhívott minket az Apple, hogy szeretnék azt kipróbálni. A projektet Radoop néven spin-offként kivittük a cégből, később a német RapidMiner felvásárolta.

Másik spin-offunk, az Enbrite.ly az online hirdetési piacnak adott gépi tanuláson alapuló antifraud és minőségellenőrzési megoldást.

A Dmlabnál a projektek sikerességét az üzleti eredményen mérjük.

4

A csúcsteljesítmény szerintünk csapatsport

Minél kreatívabb egy data science csapat, annál több üzleti értéket képes előállítani, mert megtaláljuk a nem triviális, és gyakran pont ezért kimagaslóan értékes összefüggéseket.

A jó csapathoz kell

Befogadó közeg

Segítőkész emberek

Sokféle nézőpont, tapasztalat és tudás

(kollégáink egyetemi tanulmányai sokfélék: van köztünk fizikus, közgazdász, pénzügy-számviteles, mérnökinformatikus, villamosmérnök, angol-történelem szakos tanár, még barokk gitáros is)

Azért szeretek itt dolgozni, mert nagyon jó fejlődési lehetőség, és nagyon jó a társaság. Új dolgokat tudok tanulni, amik a jövőben hasznosak lehetnek.
Huszti Dorottyadata scientist
Amire nem számítottam, hogy itt nagyon egyensúlyban van a munkám és a magánéletem; igazából a munkámat sem stresszként, hanem szórakozásként élem meg. Éppen ezért a Dmlab az eddigi legjobb munkahelyem.
Hidi Ágnesüzleti elemző
5

Adatról magyarra fordítunk

A valódi termékünk az ügyfeleink hatékonyabb működése, ezért munkánk jelentős része kommunikáció: az üzleti igény megértése, az adatelemzés lefordítása üzleti eredményre és a laikusoknak is egyértelmű projektátadás. A jó data science szakemberek egyben kiváló kommunikátorok.

Kommunikációs rutinunk

(a projekteken felül)

Belső tréning kéthetente, amit mindig valamelyik csapattagunk tart (így nemcsak a szakmát tanuljuk, hanem a kommunikációt is)

Belső tréning

(307 bejegyzéssel, 228 024 oldalletöltéssel) és az adatbanyaszat.lap.hu

Adatbányászat Blog

23 (Csaba) és 19 (István) évnyi oktatás a BME-n és sok tucat vállalati képzés: több mint 1000 ember data science tudását gyarapítottuk

Oktatás és labormunka

Mivel ez egy nagyon kezdeti iparág, ezért nagyon újszerű megoldásokat hozunk, amit a legtöbb ügyfél még nem ismer, ezért el kell tudni mondani nekik egyértelműen, hogy mi mikben gondolkozunk, milyen megoldásokat tudunk szállítani nekik, és hogy hol lesz ez nekik érték, hogyan tudja felhasználni ezeket.
Hidi Ágnesüzleti elemző
A kommunikáció rendkívül fontos. Ez talán meglepő, hiszen az ember azt gondolhatja, hogy a programozó csak ül a gép előtt, de az ügyfélmeetingeken és a belső megbeszéléseken egyaránt kulcsfontosságú a jó kommunikációs képesség.
Vargha Ferencszoftverfejlesztő
Fontos még a jó kommunikáció és tárgyalóképesség, kiváltképp mikor az ügyfelekkel elvárásmenedzsmentet kell csinálni vagy át kell adni a mi bonyolult összetett megoldásainkat úgy, hogy ők is tovább tudják adni cégen belül a vezetőségnek.
Huszti Dorottyadata scientist
6

A szakmai munkához optimális cégméret

A Dmlab már elég nagy, érett és tőkeerős cég ahhoz, hogy stabil legyen hosszú távú megbízási szerződésekkel, kiforrott folyamatokkal és hibrid munkavégzéssel – de még névről ismersz mindenkit, befogadó a közeg és nagyon kevés a meeting.

Korábban csak multiknál dolgoztam, ahol sokszor okozott nehézséget az a fajta bürokratikus rendszer, amely ezen cégeket jellemzi. A Dmlabra jellemző szabadabb légkör és munkavégzés nagyon megfogott, el sem tudnám képzelni magam újra nagy multi cégeknél. A másik, ami igazán megnyerő volt, hogy itt nem a munkaidőt mérik, hanem az elvégzett munkát.
Jónás Dánieldata scientist
Nagyon tetszik a hely és a közösség, hogy nem egy hatalmas corporate business multicégben vagyok, hanem alig több mint egy tucat ember alkotta családias hangulatú helyen.
Lestyán Ádámszoftverfejlesztő
Nekem fontos, hogy mennyire lehet új dolgokat kipróbálni. Szeretem, hogy ez minimális korlátokkal, szinte teljesen szabadra van engedve. Szuper, hogy ha valaki hoz valami érdekeset akkor van lehetőség arra, hogy azt kipróbáljuk.
Nagy Pétervezető szoftverfejlesztő
Itt azt nézik igazából, hogy a munka legyen kész, nincs az az elvárás, hogy akkor te most jelentsd le percre pontosan mikor mit csináltál.
Földi Dóradata scientist

Szerintünk akkor értékes egy cég, ha büszkén vagy ügyfele / munkatársa

„Kiterjesztett profit” alapján vállalunk projekteket és szervezzük a munkánkat.

A kiterjesztett profitot tartalmazó projekt:

  • Pénzügyileg nyereséges
  • Jó hatással van az ügyfélre
  • Előmozdítja a világot
  • Szeretünk dolgozni rajta
  • Tanulunk belőle

Ha szerinted van egy ilyen data science projekted nekünk, akkor vedd fel velünk a kapcsolatot.

IDŐPONTFOGLALÁS